我正在使用 Keras (2.4) 和 Tensorflow (2.3.1) 后端。我正在使用网格搜索调整一些元参数，以便多次调用模型创建和 model.fit 方法(训练是在具有单个 GPU 的机器上完成的)。
Tensorflow 存在已记录的内存泄漏问题(e.g see here，但还有更多报告，只需在 Google 中搜索tensorflow 内存泄漏)。我过去遇到过这个问题，并设法使用小批量大小和手动调用 Python 垃圾收集器的组合将其保持在最低水平。但现在在另一个项目中，我怀疑我再次遇到了它。
我附上一张监控 RAM 使用情况的图像。 15 小时，我的问题很简单 - 看起来这可能是内存泄漏的结果吗？一方面，最大使用量随着时间的推移而增长。但是，另一方面，似乎取消分配(也许当模型实例被销毁并使用新参数创建时？)将大部分已用内存释放回(几乎)到初始级别。
最佳答案
tf.keras.backend.clear_session()怎么样
关注document
Keras manages a global state, which it uses to implement the Functional model-building API and to uniquify autogenerated layer names.
If you are creating many models in a loop, this global state will consume an increasing amount of memory over time, and you may want to clear it. Calling clear_session() releases the global state: this helps avoid clutter from old models and layers, especially when memory is limited.
关于python - Keras/Tensorflow疑似内存泄漏，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/69026229/